Garantire l'origine dell'olio extravergine di oliva con la spettrometria e l'intelligenza artificiale

La qualità degli oli di oliva vergini ed extravergini (VOO e EVOO) è regolata da una serie di norme definite dalla legislazione europea, il cui ultimo aggiornamento è dettagliato nel regolamento di esecuzione (UE) 2024/2707.

Questo regolamento stabilisce i criteri fisico-chimici e sensoriali richiesti per la conformità alle norme di marketing e ai metodi analitici per la caratterizzazione dell'olio d'oliva. In questo contesto, per garantire l'autenticità geografica e combattere le frodi, è essenziale l'uso di certificazioni di qualità differenziate, in particolare la denominazione di origine protetta (DOP), come definita nel regolamento (CE) n. 510/2006 del Consiglio (regolamento 510/2006 del Consiglio). Questa certificazione, ufficialmente riconosciuta dall'Unione europea (UE), garantisce che tutte le fasi della produzione di olio d'oliva - coltivazione, trasformazione e confezionamento - avvengono in una regione specifica i cui attributi geografici e culturali, come il clima, il tipo di suolo, le varietà di oliva e le tecniche tradizionali, conferiscono caratteristiche uniche al prodotto finale. Inoltre, la certificazione DOP impone standard rigorosi che i produttori devono soddisfare per quanto riguarda l'origine delle materie prime e i metodi di coltivazione e trasformazione utilizzati. 

In questo contesto, è importante distinguere tra diverse forme di frode che interessano il settore dell'olio d'oliva.

La frode legata alla qualità comporta principalmente l'adulterazione con oli di grado inferiore o raffinati, la classificazione errata delle categorie commerciali (ad esempio, l'etichettatura degli oli vergini o lampanti come extravergine) o il mascheramento di difetti sensoriali.

Le frodi relative alla provenienza geografica o allo status di DOP costituiscono una sfida distinta e sempre più rilevante. Nonostante la sua rilevanza, le frodi legate alla provenienza geografica hanno ricevuto relativamente meno attenzione rispetto all'adulterazione di qualità. Ciò è in parte dovuto alla complessità intrinseca della definizione delle firme geografiche, che dipendono da molteplici fattori interagenti come la cultivar, le condizioni pedoclimatiche, le pratiche agronomiche e le tecnologie di elaborazione. Di conseguenza, i metodi convenzionali di controllo della qualità sono spesso insufficienti per verificare le indicazioni di origine, evidenziando la necessità di approcci analitici avanzati in grado di catturare le impronte digitali compositive globali.

La spettrometria a mobilità ionica (IMS) è emersa come un potente strumento analitico per il rilevamento di composti organici volatili (COV), basato sulla misurazione del tempo di deriva degli analiti ionizzati che si muovono attraverso un tubo di deriva pieno di gas. 

In questo studio dell'Università di Cadice, è stato ottimizzato un metodo basato sulla spettrometria di mobilità a base di cromatografia Headspace-Gas-Ion per l'analisi di composti organici volatili in campioni di olio d'oliva di quattro diverse origini (Spagna, Portogallo, Marocco e Italia). Le condizioni sperimentali sono state ottimizzate utilizzando un design Box-Behnken con Response Surface Methodology, ottenendo le seguenti condizioni ottimali: 0,33 g di campione incubato a 35 °C con agitazione a 500 giri/min, un tempo di formazione dello spazio di testa di 9 min e un volume di iniezione di 0,11 mL.

La precisione del metodo è stata valutata valutando la ripetibilità e la precisione intermedia con coefficienti di variazione inferiori al 5 %. Successivamente, il metodo sviluppato è stato applicato a 24 campioni commerciali di olio d'oliva delle quattro origini. Utilizzando l'approccio IMSS, è stata eseguita un'analisi avanzata dell'apprendimento automatico, producendo modelli predittivi che hanno consentito una discriminazione accurata di campioni provenienti da diverse regioni utilizzando algoritmi di Random Forest. Infine, è stata sviluppata un'applicazione web Shiny utilizzando l'algoritmo Random Forest.

Quattro nuovi campioni commerciali sono stati analizzati in base alle condizioni ottimali ed inseriti nell'algoritmo, ottenendo una classificazione al 100 % in base alla loro origine. Allo stesso tempo, questi campioni sono stati analizzati da un gruppo di esperti in degustazione di aromi, ottenendo una precisione media di discriminazione del 68 % durante il test triangolare.